Microsoft’s Mustafa Suleyman says its AI outperforms doctors on hard cases as he chases ‘medical superintelligence’

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

Microsoft의 MAI-DxO는 복잡한 의료 사례 시뮬레이션에서 일반의보다 높은 진단 정확도를 보였지만, 전문의·의료진 팀과의 비교와 실제 임상 검증은 남아 있으며 기반 AI 모델과 사례 유형에 따라 추가 효과가 달랐다.

📌 핵심 요약

• Science에 발표된 연구에서 Microsoft의 다중 AI 에이전트 진단 시스템 MAI-DxO는 New England Journal of Medicine의 복잡한 사례를 83% 정확도로 진단했다. 참고 자료를 이용해 개별적으로 진단한 일차진료 의사·일반 내과 의사의 정확도는 36%였지만, 이런 사례를 통상 담당하는 전문의나 의료진 팀은 비교에 포함되지 않았다.
• MAI-DxO는 OpenAI, Google, Anthropic, Meta, DeepSeek의 모델로 시험됐고 GPT-5와 GPT-5.5에서 가장 좋은 결과를 냈다. 연구 데이터는 성능 향상의 상당 부분이 기반 모델에서 나오며, 모델 간 성능 격차가 DxO의 추가 개선 폭보다 컸음을 시사한다.
• 복잡한 사례에서 GPT-5 단독 정확도는 78.9%, 사례당 추정 AI 실행 비용은 약 8,400달러였으며, DxO는 비용을 약 3,000달러 줄이고 정확도를 약 4%포인트 높였다. GPT-5.5에는 정확도를 72%에서 거의 87%로 높이고 비용을 소폭 낮췄지만, 응급실 사례에서는 두 모델 모두 DxO의 정확도·비용 개선이 거의 나타나지 않았다.
• Microsoft는 Mayo Clinic과 의료용 기반 모델을 훈련해 2027년 공개할 계획이다. Mustafa Suleyman은 2027년 의료 기록과 임상 의사결정 지원에서 큰 진전이 시작되고, 의료 모델 역량이 향후 24~36개월 안에 한 자릿수 규모를 넘어 약 10배 수준으로 향상될 것으로 기대한다고 밝혔다.
• Microsoft는 Boston의 Beth Israel Deaconess Medical Center와 실제 병원 환경에서 DxO를 평가할 예정이다. 동의한 환자가 표준 진료와 병행해 DxO를 이용하도록 하고 권고를 의사 판단과 비교할 계획이며, 장기적으로는 개별 과제의 점수를 넘어 진료 전반의 추론·조정에서 최상위 인간 주도 의료체계를 능가하는 ‘의료 초지능’을 목표로 한다.

🧩 주요 포인트

1. % 대 36%는 어려운 사례에서의 잠재력을 보여주지만 비교 대상이 개별 일반의로 제한됨 → 전문의·의료진 팀이나 실제 의료체계 전반에 대한 우위로 확대 해석하기 어려움.
2. GPT-5·GPT-5.5의 기반 성능과 DxO의 추가 효과가 사례 유형별로 다름 → 복잡한 사례의 정확도·비용 개선과 응급실 사례의 제한된 효과를 구분해 평가할 필요.
3. Mayo Clinic의 기반 모델 개발과 Beth Israel Deaconess Medical Center의 임상 평가가 병행됨 → ‘의료 초지능’ 구상의 성패는 실제 진료에서의 검증과 의료체계 통합으로 이어지는지에 달림.

🧠 상세 정리

1. 복잡한 사례에서 높은 정확도, 비교 대상에는 한계

2026년 10월 22일 TechCrunch 보도에 따르면, Microsoft는 Science에 발표한 연구에서 AI 진단 시스템 MAI-DxO가 복잡한 의료 사례 시뮬레이션에서 일반의보다 두 배 이상 자주 정답을 맞혔다고 밝혔다. DxO는 여러 AI 에이전트가 의사 패널처럼 환자에게 질문하고 검사를 주문하며 진단을 토론하도록 조정한다. New England Journal of Medicine의 복잡한 사례에서 정확도는 83%였고, 참고 자료를 이용해 개별적으로 문제를 푼 일차진료 의사와 일반 내과 의사는 36%였다. 다만 실제로 이런 난도 높은 사례를 맡는 전문의나 의료진 팀은 비교 대상에 포함되지 않았다. Microsoft AI의 의료 부문 부사장 Dominic King은 의료 전문성의 수요와 공급 사이에서 커지는 불균형을 핵심 문제로 제시했고, CEO Mustafa Suleyman은 이번 결과를 ‘의료 초지능’을 향한 진전으로 평가했다.

2. 기반 모델과 조정 시스템의 기여를 나눠 볼 필요

Microsoft는 OpenAI, Google, Anthropic, Meta, DeepSeek의 모델을 MAI-DxO에 적용했으며, 가장 좋은 결과는 OpenAI의 GPT-5와 GPT-5.5에서 나왔다. 기사에서는 연구 데이터상 개선의 상당 부분이 더 강력한 기반 모델에서 비롯되고, Microsoft의 조정 시스템이 그 위에 추가 이득을 제공한다고 짚었다. 복잡한 사례에서 짧고 기본적인 프롬프트만 받은 GPT-5는 정확도 78.9%, 사례당 추정 AI 실행 비용 약 8,400달러를 기록했으며, DxO는 비용을 약 3,000달러 줄이고 정확도를 약 4%포인트 높였다. 2026년 4월 출시된 GPT-5.5에서는 DxO가 복잡한 사례의 정확도를 72%에서 거의 87%로 높였고 비용도 소폭 낮췄다. 그러나 응급실 사례에서는 GPT-5에 DxO를 적용해도 정확도와 비용이 거의 개선되지 않았고, GPT-5.5도 적용 여부와 관계없이 정확도가 약 85%이고 비용도 비슷했다.

3. 약한 모델에서 큰 개선, 모델 간 격차는 지속

DxO의 효과는 복잡한 사례와 상대적으로 성능이 낮은 AI 모델에서 가장 크게 나타났다. Gemini 2.5 Flash는 단독으로 46.4%의 정확도를 기록했지만 DxO와 결합하면 거의 69%로 높아졌다. 그럼에도 성능이 낮은 모델과 높은 모델 사이의 격차는 DxO가 제공한 개선 폭보다 컸다. Microsoft 연구진은 모델이 이론적 최대치에 가까워질수록 정확도의 추가 상승 폭이 자연스럽게 줄어든다고 설명했다. 회사 대변인은 DxO의 조정 기능이 정확도와 비용을 함께 최적화하는 더 넓은 문제에 도움이 된다고 덧붙였으며, 이는 정확도 상승만으로 시스템의 가치를 판단해서는 회사가 제시한 효과를 모두 설명하기 어렵다는 주장이다.

4. 의료용 기반 모델과 2027년의 도약 구상

Suleyman은 Microsoft가 Mayo Clinic과 의료용 기반 모델을 훈련하고 있으며, 기사 시점의 다음 해인 2027년에 공개할 계획이라고 밝혔다. 그는 이 모델이 큰 도약을 가능하게 하고, DxO는 의료 분야의 실질적 돌파구를 위해 구축하는 기반 인프라의 일부가 될 것이라고 주장했다. 특히 2027년에는 의료 기록의 향후 전개를 높은 정확도로 연속 예측하는 등 코딩 분야에서 나타난 것과 같은 돌파구에 가까워질 것으로 기대했다. Suleyman은 DeepMind 공동창업자였고, Google의 2014년 DeepMind 인수와 이듬해 King의 임상 업무 관리 앱 Hark 인수 이후 King과 DeepMind Health를 출범시켰으며, 2024년 Microsoft로 옮긴 뒤 King도 몇 달 후 합류했다. 그는 생성형 AI의 의료 활용은 아직 초기지만 향후 24~36개월에 의료 모델 역량이 약 10배 수준으로 향상될 것으로 예상했다. 그 근거로 실제 사용에서 모델의 빈틈을 찾아 수정하는 반복 개선 구조를 들며, 이것이 의료 기록과 임상 의사결정 지원에서도 시작될 것이라고 전망했다.

5. 실제 병원에서 표준 진료와 병행하는 평가

Microsoft는 Boston의 Beth Israel Deaconess Medical Center와 새로 협력해 다양한 병원 환경에서 DxO의 임상 추론 능력을 평가할 예정이다. 환자는 분류, 전문의 진료, 치료, 검사, 안전한 퇴원 여부 판단을 포함한 표준 진료를 받고, 동의한 환자는 그와 병행해 DxO와도 상호작용한다. Microsoft와 협력 기관은 이후 DxO의 권고를 의사들의 판단과 비교할 계획이다. King은 기술이 실제 환경에서 평가받을 준비가 됐다고 주장했으며, 응급실뿐 아니라 긴급진료 환경까지 포함하는 연구가 향후 더 큰 규모의 배치 가능성에 관한 근거를 제공할 것으로 기대했다. 기사에서는 Google도 같은 달 Beth Israel과 함께 대화형 진단 AI인 AMIE를 실제 긴급진료 방문에서 평가한 임상 연구를 The Lancet에 발표했다고 소개했다. Google 연구에서는 인간 의사가 AI와 환자의 상호작용을 실시간으로 감독했다.

6. 개별 진단 점수에서 의료체계 전반의 성과로

Microsoft는 Science 연구와 함께 ‘의료 초지능’을 구축하는 데 필요한 조건을 설명하는 선언문 성격의 글도 공개했다. 여기서 의료 초지능은 진료 전 과정의 의학적 추론과 조정에서 현재 가장 강력한 인간 주도 의료체계를 능가하는 능력으로 정의됐다. 회사는 의학 시험 문제에 답하거나 진단을 생성하는 개별 과제의 성능 측정을 넘어, 임상의와 의료체계에 통합돼 더 나은 결과를 만드는 방향으로 나아가려 한다. Suleyman은 의료 분야에 대한 집중이 다른 최첨단 AI 연구소와 Microsoft를 구분하는 요소가 될 수 있다고 주장했다. Microsoft는 이미 임상의에게 구술 기록과 영상의학 도구를 판매하고 있으며, DxO를 이 사업의 확장으로 보고 있다. 향후 수년 내 최고 수준의 임상 의사결정 지원 제품을 확보하겠다는 포부가 제시됐지만, 기사에서 실제 임상 평가와 대규모 배치는 앞으로 검증하고 추진할 단계로 설명된다.

🧾 핵심 주장 / 시사점

• 어려운 사례에서 개별 일반의보다 높은 점수를 얻었다는 결과와, 최상위 인간 주도 의료체계를 능가한다는 목표 사이에는 비교 대상과 검증 환경의 차이가 있다.
• DxO는 복잡한 사례에서 정확도와 비용을 함께 개선할 가능성을 보였지만, 응급실 사례에서는 효과가 제한돼 적용 환경별 평가가 중요하다.
• Microsoft의 전략은 기반 모델 개발, 다중 에이전트 조정, 실제 병원 평가를 연결하는 데 있으며, Suleyman이 제시한 빠른 역량 향상은 아직 전망이다.

✅ 액션 아이템

• MAI-DxO의 83% 대 36% 결과 해석에 전문의·의료진 팀이 비교에서 제외됐다는 제약 반영.
• GPT-5·GPT-5.5에 대한 DxO의 추가 효과를 복잡한 사례와 응급실 사례로 구분해 정확도·비용 관점에서 평가.
• Beth Israel Deaconess Medical Center의 실제 병원 평가 결과를 바탕으로 ‘의료 초지능’ 목표와 의료체계 통합 가능성 검토.

❓ 열린 질문

• MAI-DxO는 복잡한 사례를 통상 담당하는 전문의·의료진 팀과 비교해도 높은 진단 정확도를 유지할 수 있을까?
• GPT-5·GPT-5.5의 응급실 사례에서 DxO의 정확도·비용 개선이 거의 나타나지 않은 이유는 무엇일까?
• Beth Israel Deaconess Medical Center의 실제 병원 평가에서도 DxO의 권고가 의사 판단과 비교해 유효성을 보일까?